Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2820

 

Gradientenverstärkung

auf der traynesteigt die asscgasuauf 0,85
aber auf dem Test fällt sie auf 0,75.
gb


Als Option, um die assgassu zu erhöhen, können Sie versuchen, den Einfluss von signifikanten Variablen, für jede Klasse -1, 0, 1
Diese Splines als neue Variablen verwenden
zuapproximieren .

Zum Beispiel für Klasse 1, der Einfluss von RSI war wie folgt
s1

Durch Annäherung erhalten wir einen neuen Spline.
s2

Und so weiter, für jede Variable und jede Klasse.
Als Ergebnis erhalten wir einen neuen Satz von Splines, die wir anstelle der ursprünglichen Variablen in die Eingabe einspeisen.

 
Roman #:

Gradientenverstärkung

in der Ausbildungsteigt die Verstärkungauf 0,85
, sinkt aber auf der Testseite
auf 0,75.


Als eine Option, um die asssugasu zu erhöhen, können Sie versuchen, die Wirkung von signifikanten Variablen, für jede Klasse -1, 0, 1
zu nähern, um diese Splines als neue Variablen zu verwenden.

Zum Beispiel, für die Klasse 1, die Auswirkungen der RSI war wie folgt

Durch Annäherung erhalten wir einen neuen Spline.

Und so weiter, für jede Variable und jede Klasse.
Als Ergebnis erhalten wir einen neuen Satz von Splines, die wir anstelle der ursprünglichen Variablen in die Eingabe einspeisen.

Nun, lobenswert!!!

Nun, ich habe 0,83 auf xgboost, aber schon von anderen Variablen, nahm ich ohlc und donchian Kanal und baute alle möglichen Beziehungen zwischen Variablen, jeder mit jedem... Ich bekam mehr als 10k Zeichen....
Aber es waren etwa 300 Variablen mit wichtigen Zeichen.

Interessante Idee mit der Annäherung, auch wenn ich es nicht verstehe, versuchen Sie es.... Interessant.
Wenn du 0,9 herausbekommst, denke ich, wird es cool sein.


=======
Ich möchte einen automatischen Feature-Builder erstellen, aber ich komme mit der Code-Architektur nicht zurecht....
Im Grunde genommen sollte es eine Bombe sein, aber das ist nur Theorie.

=======
Womit trainieren Sie Modelle?
 
mytarmailS #:
Nun, das ist lobenswert!

Nun, ich habe 0,83 auf xgboost, aber schon von anderen Variablen, nahm ich ohlc und donchian Kanal und baute alle möglichen Beziehungen zwischen Variablen, jeder mit jedem... Ich habe mehr als 10k Zeichen....
Aber es waren etwa 300 Variablen mit wichtigen Zeichen.

Interessante Idee mit der Annäherung, auch wenn ich es nicht verstehe, versuchen Sie es.... Interessant.
Wenn du 0,9 herausholen kannst, finde ich das cool.


=======
Ich möchte einen automatischen Feature-Builder erstellen, aber ich komme mit der Code-Architektur nicht zurecht....
Im Grunde genommen sollte es eine Bombe sein, aber das ist nur die Theorie.

=======
Womit trainieren Sie Ihre Modelle?

In diesen Beispielen wurden alle möglichen Beziehungen zwischen den Variablen automatisch gesetzt.
Obwohl Sie sie deaktivieren können, oder setzen Sie bestimmte Variablen für die Beziehung.
k7


Ich spielte mit Tuning ohne Annäherung, erhöhte die Anzahl der Knoten pro Baum auf die Anzahl der Variablen.
Das Modell wurde komplexer, trainiert für 12 Minuten.
auf der Trainee assugasustieg auf 0,97
aber der Test verdirbt alles bei 0,74.
k6

Im Allgemeinen gibt es wahrscheinlich etwas, woran man arbeiten und worüber man nachdenken kann. Vielleicht ergibt sichetwas aus IhrenDaten.
Es gibt eine Menge verschiedener Einstellungen im Programm, ich verstehe nur nicht ganz, wie man damit arbeitet.
Ich studiere gerade die Funktionalität selbst seit gestern ))
Und Ihr Datensatz ist gerade zufällig aufgetaucht, um die Funktionalität zu studieren, nun, vielleicht ergibt sich etwas aus Ihren Daten.

Ich verstehe nicht ganz, was Sie mit automatischem Feature-Builder meinen?
Automatische Suche nach Features selbst, oder automatische Suche nach Beziehungen zwischen bestehenden Features?

 
Roman #:

In diesen Beispielen wurden alle möglichen Beziehungen zwischen Variablen automatisch festgelegt.
Sie können diese jedoch deaktivieren oder bestimmte Variablen für die Beziehung festlegen.

Nein, das ist nicht das, was ich meinte.

Ich meinte, dass ich xgboost auf andere Merkmale trainiert habe, um akurasi 0,83 auf neue Daten zu erhalten.

Ich habe die Merkmale aus OHLC und einem anderen Indikator konstruiert

nach dem Prinzip

O[i] - H[i-1]

L[i-5]-Indikator[i-10]

........

....

..

und so alle möglichen Kombinationen (alle mit allen).

Ich habe etwa 10.000 Eigenschaften.

300 von ihnen sind nützlich.

Das Modell ergab 0,83 für die neuen Daten.

===========

Roman #:

Ich verstehe nicht ganz, was du mit einem automatischen Feature Builder meinst ?

Ich möchte das oben beschriebene automatisieren, so dass der Computer selbst Merkmale konstruiert, und dann gibt es nicht 10k Merkmale zur Auswahl, sondern eine Milliarde zum Beispiel....

Roman #:

Automatische Suche nach den Merkmalen selbst, oder automatische Suche nach Abhängigkeiten zwischen den verfügbaren Merkmalen?

automatische Erstellung/Konstruktion von Merkmalen ---> Prüfung auf Eignung ---> Auswahl der besten Merkmale ---> möglicherweise Mutation der besten Merkmale auf der Suche nach noch besseren Merkmalen ....

Und das alles geschieht automatisch.

Basierend auf MSUA, falls Sie es gelesen haben... aber nur basierend auf MSUA....

 
Roman #:

Es gibt eine Menge verschiedener Einstellungen im Programm, ich verstehe nur nicht ganz, wie man damit arbeitet.

Ichbin gerade studieren die Funktionalität selbst seit gestern ))
Und Ihr Datensatz nur durch die Art und Weise, die Funktionalität zu studieren, gut, vielleicht etwas und quetschen Sie aus Ihren Daten.

Was ist das für ein Programm?

 
Die Schlussfolgerungen zu Zielen und Attributen sind die gleichen wie beim HMM. Es ist nicht klar, woher sie kommen 😀.
 
Nicht dumme Menschen, die denken, dass Nähe und Wahrscheinlichkeit dasselbe sind, verstehen es nicht.....
 
Was in der Berufsschule nicht gelehrt wird, ist, dass mathematisch gesehen jede Matrix dieselbe ist 😀😀😀😀 und die Operationen mit ihr dieselben sind. Nur die Algorithmen der Clusterdefinition und die Namen unterscheiden sich.
 
Ja, mathematisch gesehen ist jede Matrix gleich, daher sind Nähe und Wahrscheinlichkeit dasselbe)))).
Machen Sie sich nicht lächerlich, Sie Nicht-Student.
 

Geometrische Wahrscheinlichkeit lesen

Er ist ein echter Trottel, der sich an jedes Wort klammert.

Du hast eine totale kognitive Dystrophie, wie kannst du überhaupt über irgendetwas argumentieren?